一种基于贝叶斯优化算法的供热系统优化方法

技术领域

本发明属于供热系统分析、水力计算领域，具体涉及一种基于贝叶斯优化算法的供热系统优化方法。

背景技术

近年来，随着我国经济的快速发展，能源紧缺的问题和环境污染的问题也频繁出现，并且有愈发严重的趋势。对能源进行高效利用，以及在保证工程质量的同时，降低对环境的污染，已经成为了当前经济发展的主要目标之一，同时也是科研和企业研究的重点之一。目前集中供热在我国北方的冬季供热领域中，占据了主要地位。每年随着冬天的到来，供暖期随之而至，煤炭的大量燃烧，使得空气污染的程度加剧，热电站和锅炉房等供热设备所在地点产生的污染物和PM2.5细颗粒物，是造成这一结果的主要原因。同时，供热还会产生大量的温室气体，加剧温室效应和全球变暖。而且，煤炭等化石能源正随着各项工业的发展逐年减少，在寻找与发展新能源的同时，对传统化石能源的节约使用也是必然。为此，必须增加供热效率，降低成本，以较少的能源和污染的代价，获取较大的供热收益。

信息技术迅猛发展，随着物联网技术的发展，传统的供热行业开始和物联网技术相结合，从而开启了新的发展模式。通过物联网技术，采集供热过程之中的各项参数，可以达到对供热过程的实时监控。随着人工智能领域发展，供热互联网可在传统的水力计算方法基础上，运用大数据分析和机器学习方法来构建模型，对供热过程进行模拟和仿真，进而达到监控和预测的目的，在热源生产端和热网的热传输过程中，以及热用户终端实现精细化，提高供热效率，满足用户需求。

集中供热系统中的水力失调发生在各个输送环节，解决水力平衡的问题，关键在于对设备数据的采集与状态调控。在供热系统中，存在复杂的管网，冗长且埋于地下，对这些管网的测量会受到限制，测量代价高昂，往往计算与实际不符。因此，传统水力计算方法和热网平衡往往基于设计工况，但由于测量数据有限，无法达到预期的计算、预测和优化的目的。

发明内容

针对现有技术中存在的不足，本发明提供了一种基于贝叶斯优化算法的供热系统优化方法。

本发明的具体技术方案为：

一种基于贝叶斯优化算法的供热系统优化方法，包括步骤如下：

步骤1，建立供热系统优化模型；

步骤1.1，给定管网的拓扑为树状结构空间

步骤1.2，给定树状结构

其中s

步骤1.3，根据计算压差和实测压差的误差平方和建立目标误差函数；通过调整阻力系数变量，最小化目标函数；求解计算压差的具体方法如下：

已知供回水总压差ΔP

由根据管段上的

步骤2，模型优化方法：

得到目标函数后，对模型进行优化，代入贝叶斯定理：

其中f为步骤1确定的目标函数；D

然后将f的先验概率p(f)和观测模型p(D

在优化程序中，设定所需随机探索步骤数和贝叶斯优化步骤数，通过多次迭代与更新，最终求出最合适的各管段阻力系数值，以使得各管段的压差误差和最小。

步骤3，阀门参数控制方法：

在得到管段阻力系数的优化估计的基础上，假设阀门全开，由终端热负荷需求对应的流量，计算出各管段的流量G

对整体树结构的每个叶子结点k，计算根结点到该叶子结点的路径

然后可以通过总压差和各管段压差计算阀门k的压差

最终通过阀门阻力系数公式s＝η(α,δ)的反函数η

本发明的有益效果为：

1、在测量和采集数据上，本发明选择对基于工程易于实现的阀门前后压差、阀门开度等参数进行测量。阀门参数关系基于大量实验验证，模型明确，且测量成本低。以此数据为基础，并结合前期设计数据，利用机器学习方法进行全网阻力系数状态估计，从而实现水力平衡调节的主体架构。

2、在采集数据基础上，建立供热系统优化模型。由于设计工况往往难以反映真实状况，例如淤堵等情况造成的管壁粗糙度的变化等，都会对水力计算造成很大影响。因此模型中以管段阻力系数为变量，以计算压差和实测压差的误差为目标函数。对优化问题的求解可得到实际阻力系数的最佳估计。

3、在模型求解中，由于目标函数迭代优化复杂，且函数中具有较多的非线性、非凸关系，参数数量也较多，因此使用传统水力计算的方法和传统随机优化算法难以求解。因此，本方法选择采用贝叶斯优化方法对目标函数进行优化。近年来，贝叶斯优化方法在设计类问题被广泛应用，对该类问题可以通过较少的迭代步得到较优解。

贝叶斯优化方法是一种全局优化算法，其目标是找到式

4、在各管段阻力系数的优化估计基础上，通过调节阀门，优化管网各支流的流量分配，以达到调节管网水力平衡、节能降耗的目的。

相对于现有技术，本发明至少具有如下优点：本发明选择的测量数据在各个阀门处进行的，有效保证实施可能性，降低操作成本。通过数学建模，充分利用相关物理原理和数理统计，优化网管状态估计。针对误差函数非凸、多峰、评估代价高昂的特点，使用贝叶斯优化的方法对优化方法，保证求解可行性。

附图说明

图1本发明的方法流程图。

图2管网模型实例图。

图3不同优化算法程序运行时间对比。

图4不同优化算法迭代结果对比。

具体实施方式

以管网模型为例：

管道模型为一个树状模型，供回水总压差为ΔP

表1不同优化算法的优化结果对比

从仿真结果可以看出，本发明方法与传统遗传算法和pso粒子群算法相比，在计算压差误差上获得了相对精确的结果，收敛程度更大。此外，在程序运行时间上，相比于传统算法和pso算法，本发明采用的贝叶斯优化方法复杂度更低，消耗更少的计算时间，说明本算法能够更快速地达到更优解。